AI Engineer

[에이전트 설계 및 구현]

멀티모달 에이전트 개발: PDF, Excel, CAD(AutoCAD, SolidWorks, CATIA) 등 다양한 포맷의 비정형 문서 구조를 분석하고, 객체 간의 연결 관계를 파악하는 LLM/VLM 에이전트 워크플로우를 설계합니다.

Agentic System 고도화: 에이전트가 복잡한 태스크를 자율적으로 수행할 수 있도록 Planning, Memory, Tool-Use 로직을 설계 및 구현합니다.

하이브리드 로직 최적화: 객체 병합(Bbox Merging), 경로 추적(Tracing) 등 데이터 특징 기반의 Rule-based 전처리와 AI 모델을 결합한 하이브리드 추론 시스템을 고도화합니다.

[LLM 파인튜닝 및 강화학습 기반 모델 학습]

SFT(Supervised Fine-Tuning): 오픈소스 모델을 기반으로, 지시 수행 능력 및 도메인 특화 성능 향상을 위한 파이프라인을 구축하고 학습을 수행합니다.

최신 강화학습(RL) 리서치 및 적용: 모델의 논리적 추론 능력 극대화를 위해 DPO 등 최신 강화학습 기법을 실험하고 서비스에 적용합니다.

데이터 레이크하우스 설계: AI 에이전트와 모델 학습 환경(분산 학습 등)에서 데이터를 효율적으로 조회하고 활용할 수 있도록 확장성 있는 데이터 저장/처리 아키텍처를 구현합니다.

공정 최적화 에이전트 구현: 자연어 운전 목표를 입력받아 운전 조건(Setpoint)을 조정하고, 시뮬레이션 결과를 해석해 다음 액션을 제안하는 LLM 기반 Tool-calling 에이전트를 개발합니다.

컴퓨터 공학, 인공지능, 수학/통계학 등 관련 분야 학사 학위 이상 전공자 (재학/휴학/졸업생 모두 가능) 또는 그에 준하는 프로그래밍 역량을 갖추신 분

Python 및 PyTorch 등 딥러닝 프레임워크를 능숙하게 다룰 수 있는 분

NeurIPS, ICLR, ICML, EMNLP, ACL 등 글로벌 주요 AI 학회 논문 게재 경험